最近看到从 Epoch AI 上整理的两组数据：对比了 OpenAI 和 Anthropic 过去两年多的模型能力变化，进步确实有点夸张。

🚀 先看 OpenAI：GPT-4o → GPT-6.1 Sol
▪️ 综合能力指数：129.0 → 166.1
▪️ 研究生级科学 GPQA：49.2% → 95.4%
▪️ 竞赛数学 AIME：6.4% → 100%
▪️ ARC-AGI-1：4.5% → 98.5%
▪️ ARC-AGI-2：0% → 94.2%

🚀 再看 Anthropic：Opus 3 → Opus 5
▪️ 综合能力指数：126.9 → 162.8
▪️ 研究生级科学 GPQA：47.2% → 93.9%
▪️ 竞赛数学 AIME：4.7% → 98.9%
▪️ 事实问答 SimpleQA：12.6% → 59.9%

还有一个值得关注的指标：AI 能自主完成多长时间的人类任务？
根据 METR 的评测，在约 50% 成功率下：
▪️ Opus 3：约 4 分钟
▪️ Opus 4：约 1 小时 40 分钟
▪️ Opus 4.5：约 4 小时 53 分钟
短短两年多，从数学竞赛、科学推理到抽象问题求解，AI 的能力都出现了非常明显的提升。

AI 的进步速度看起来还没有看到明显放缓，而很多过去很难的测试，已经快要失去区分度了。

#大模型 #OpenAI #Anthropic